Ju mer vi förstår av data – desto mer kan vi lita på utfallet

Den experimentella variationen i väldigt stora datamängder påverkar tolkningsbarheten. Med rätt teknik för att modellera de så kallade ortogonala strukturerna optimerar man informationsutbytet, skriver Hans Stenlund i sin avhandling som han försvarar vid Umeå universitet 1 juni.

Inom kemometri utvecklar forskarna metoder för att modellera data, för att förenkla förståelsen och få den information man söker presenterad (prediktiv information). Dagens avancerade analytiska instrument fångar dock enorma mängder med information, både sådan man önskar hitta men även sådan som man vare sig känt till eller vill ha med. Denna typ av komplex data öppnar upp möjligheter att tillgodogöra sig ny information men förutsätter samtidigt att valda tekniker och metoder uppfyller högt ställda krav.

Begreppet ortogonal variation introducerades i slutet av 1990-talet och har bidragit till att förändra synen inom kemometri. Ortogonal variation kan vara både experimentell variation som tidstrender, processdrift, lagring, provhantering och instrumentskillnader samt provrelaterade faktorer såsom ålder, kön, genetik och miljöpåverkan.

– Den information som man erhåller via tolkning av de ortogonala strukturerna har visat sig utgöra ett viktigt komplement till den information man får ut när man modellerar datat, säger Hans Stenlund.

En förfinad teknik för modellering av ortogonala strukturer, OPLS (Orthogonal Projections to Latent Structures), introducerades i början av 2000-talet. OPLS och dess föregångare PLS (Partial Least Squares) är identiska avseende prediktionsförmåga men OPLS är att föredra när det gäller tolkning av både prediktiva och ortogonala strukturer.

I sin avhandling har Hans Stenlund ingående behandlat datamodellering av spektroskopiska data med båda metoder. I samtliga studier främjade möjligheten att tolka de ortogonala strukturerna till att optimera informationsutbytet. Han presenterar också en ny metod för OPLS-baserad modellering av hyperspektrala bilder, dvs. bilder sammansatta av flera informationslager.

Den ökade insikten om hur experimentell variation påverkar informationsutbytet utgör en viktig källa för optimering av framtida studier.

– Detta gör OPLS lämplig för mängder av applikationsområden inom kemi, biologi och medicin, säger Hans Stenlund.

 Hans Stenlund är uppvuxen i Älvsbyn i Norrbotten och har utbildat sig till både kemist och gymnasielärare i matematik och kemi vid Umeå universitet.

Om disputationen:
Onsdagen den 1 juni försvarar Hans Stenlund, kemiska institutionen, Umeå universitet, sin avhandling med titeln Improving interpretation by orthogonal variation – multivariate analysis ans spectroscopic data. Svensk titel: Ortogonal variation för förbättrad tolkningsbarhet – multivariat analys och spektroskopisk data. Disputationen äger rum kl. 10:00 i sal KB3A9, KBC-huset. Fakultetsopponent: Professor, Tom Fearn, Department of Statistical Science, University College London (UCL), London, England.

Läs hela eller delar av avhandlingen på:
http://urn.kb.se/resolve?urn=urn:nbn:se:umu:diva-43476

För ytterligare information, kontakta gärna:
Hans Stenlund
Tel.: 090-786 71 02
E-post: hans.stenlund@chem.umu.se